Extracteur d'images PDF

Les photos et scans stockés dans le PDF au format JPEG (le nom technique est DCTDecode) ou JPEG 2000 (JPXDecode) - ce qui couvre la grande majorité des vraies images photographiques présentes dans les PDF, le JPEG étant de loin la méthode la plus courante utilisée par les outils de création pour intégrer des photos. Chacune est extraite avec ses octets compressés originaux exacts, identiques bit à bit à ce qui a été intégré, sans aucun réencodage.

Un PDF peut stocker une image intégrée selon plusieurs encodages internes différents, et tous ne constituent pas déjà un fichier image complet et autonome comme l'est le JPEG. Les bitmaps bruts non compressés, les images en couleurs indexées (basées sur une palette), et la compression de type fax en noir et blanc (courante pour les scans très textuels) nécessitent tous un vrai décodage des pixels pour devenir un fichier utilisable - cet outil s'en abstient délibérément, pour éviter de produire silencieusement un fichier corrompu ou mal nommé. Il indique à la place précisément combien d'images ont été ignorées et selon quels encodages.

Non - pour les images JPEG et JPEG 2000 que cet outil extrait, le fichier de sortie est identique bit à bit aux données compressées originales intégrées par l'outil de création du PDF. Rien n'est décodé puis réenregistré, donc il n'y a pas de perte de qualité supplémentaire comme il y en aurait, par exemple, en faisant une capture d'écran de la page PDF affichée ou en convertissant la page en image.

Cela dépend de la façon dont le scan a été enregistré. De nombreux scanners et applications « scanner vers PDF » enregistrent chaque page comme un seul JPEG pleine page, que cet outil extrait proprement comme une seule image par page. Certains logiciels de numérisation utilisent plutôt un encodage sans perte ou de type fax spécifiquement pour garder un texte noir et blanc net, ce qui tombe dans la catégorie ignorée ici puisque ce n'est pas un JPEG photographique - l'outil vous indiquera si c'est le cas.

Non. Les tracés vectoriels, les formes dessinées et le texte ne sont pas du tout des fichiers image intégrés - ce sont des instructions de dessin que la visionneuse PDF exécute à la volée, sans aucune donnée matricielle à extraire. Seules les vraies images matricielles (bitmap) intégrées sont extraites ici. Pour capturer l'apparence visuelle globale d'une page sous forme d'image, ou pour en extraire le texte, les autres outils PDF de ce site (comme PDF en JPG ou les différents outils PDF vers texte) sont plus adaptés.

Séquentiellement, dans l'ordre où elles sont stockées dans la structure interne du PDF (image-1.jpg, image-2.jpg, etc.) - ce qui suit généralement à peu près l'ordre dans lequel les images ont été ajoutées au document, mais sans garantie de correspondre exactement à l'ordre de lecture visuel de haut en bas sur la page, l'ordre des objets internes d'un PDF et sa mise en page visuelle étant techniquement indépendants l'un de l'autre.

Non. Le fichier est ouvert et chaque image intégrée est localisée et extraite entièrement dans votre navigateur. Rien n'est envoyé nulle part, donc c'est sans risque à utiliser sur des documents que vous préféreriez ne pas envoyer à un serveur tiers.

Seulement s'il n'est pas réellement verrouillé par une phrase secrète - un PDF avec des restrictions au niveau propriétaire mais sans mot de passe d'ouverture fonctionnera généralement quand même. Un PDF qui exige vraiment un mot de passe juste pour s'ouvrir ne s'extraira pas correctement ici, car cela nécessite un vrai déchiffrement avec le mot de passe, ce que cet outil ne fait pas. Retirez d'abord le mot de passe avec l'outil de suppression de mot de passe PDF de ce site, puis passez le résultat dans cet outil.

Les PDF bien optimisés référencent souvent un seul objet image intégré depuis plusieurs pages plutôt que de stocker des copies dupliquées de la même photo, pour garder une taille de fichier réduite. Cet outil extrait chaque objet image intégré distinct une seule fois, donc une photo réutilisée sur de nombreuses pages apparaît une fois dans les résultats plutôt qu'une fois par page où elle est affichée.

Presque toujours, le JPEG (DCTDecode) étant de loin la méthode la plus courante pour intégrer des images photographiques dans les PDF. Occasionnellement, un PDF - en particulier des scans haute résolution, des exports d'imagerie médicale, ou certains flux de travail techniques/d'impression - intègre des images en JPEG 2000 à la place, que cet outil extrait aussi, enregistrées en fichier .jp2. Toutes les visionneuses d'images ou tous les systèmes d'exploitation n'ouvrent pas nativement le .jp2, donc si vous en obtenez un qui ne s'ouvre pas, une visionneuse JPEG 2000 dédiée ou un outil de conversion le lira.

La résolution et la qualité. Une capture d'écran est limitée à la résolution à laquelle le PDF a été rendu à l'écran, puis se fait recompresser par l'outil qui a fait la capture - deux étapes supplémentaires évitables qui dégradent la qualité en dessous de ce qui est réellement stocké dans le fichier. L'image intégrée elle-même est très souvent d'une résolution bien plus élevée que ce que vous verriez rendu sur un écran normal (les photos prêtes pour l'impression en particulier sont généralement enregistrées bien au-dessus de la résolution écran), et l'extraire directement évite à la fois le plafond de résolution du rendu et la seconde passe de compression. Cela compte surtout quand vous avez besoin de la photo pour quelque chose qui montrera réellement la différence - impression, retouche ultérieure, ou envoi à quelqu'un du fichier original plutôt que d'une copie avec perte.

Oui - tout le document est analysé en une seule passe et chaque image extractible est ajoutée à la grille de résultats, qu'il s'agisse de deux photos ou de deux cents. Pour un PDF avec un nombre vraiment important d'images, télécharger un seul .zip plutôt qu'une image à la fois est l'option la plus rapide, et ce bouton apparaît automatiquement dès que plus d'une image a été trouvée.